世界模型

medDreamer: Model-Based Reinforcement Learning with Latent Imagination on Complex EHRs for Clinical Decision Support

medDreamer：基于复杂电子病历的潜在想象的模型驱动强化学习用于临床决策支持

Qianyi Xu, Gousia Habib, Feng Wu, Dilruk Perera, Mengling Feng

机构 * National University of Singapore（新加坡国立大学） 纠错

专题命中 模型式强化学习 ：model-based reinforcement learning(title,abstract)；world model(abstract)；world model(abstract)；分类 cs.AI、cs.LG

AI总结 medDreamer通过结合潜在想象和自适应特征集成模块，实现基于复杂电子病历的模型驱动强化学习，以提升个性化治疗推荐的性能。

Adversarial Diffusion for Robust Reinforcement Learning

对抗扩散用于鲁棒强化学习

Daniele Foffano, Alessio Russo, Alexandre Proutiere

机构 * Division of Decision and Control Systems KTH, Royal Institute of Technology（决策与控制系统系 瑞典皇家理工学院） ； Faculty of Computing and Data Sciences（计算与数据科学学院） 纠错

专题命中 模型式强化学习 ：model-based RL(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出AD-RRL，通过对抗扩散方法提升强化学习在环境动态不确定性下的鲁棒性和性能。